大数据学习之Linux命令一

这学期开始跟着若泽学大数据,最近有些事情耽搁了写博客,即日起开始打卡,记录每次课上知识点,如有问题还望大家指出。

1. pwd 查看当前光标所在的路径

这里写图片描述

2. 家目录 用户所在的默认的目录

/root 超级管理员root
/ 根目录,也就是起始位置

3. cd 表示切换

cd path 从当前路径切换到你所指定的path
cd /user 切换到用户user所在的目录
cd ~ 切换当前用户的家目录
cd - 切换到上一次目录
cd ../ 切换到上一层目录
图1
通过ls查看当前目录下的文件和文件夹,用cd切换到目录Music
图2
#####说明:
切换两层是../../,三层及以上可依次类推

4. ls -l等价于ll 查看当前目录下的文件和文件夹的详细信息

图3
ls -l -a等价于ll -a 查看隐藏文件(即以.开头的文件和文件夹)
这里写图片描述
ls -l -h等价于ll -h 查看文件的大小而不是文件夹
ls -l -rt等价于ll -rt 按时间排序(最新文件及文件夹位于下方)
这里写图片描述

#####注意:在工作中常使用ll **

5. mkdir 创建文件夹

mkdir 文件夹名称 (一层)
这里写图片描述
mkdir -p one/two/three 表示-p 级联创建 (one为当前路径)
这里写图片描述
mkdir p w q 表示在同一层创建三个目录
这里写图片描述
#####说明
home目录下创建p、q、w文件夹,之后通过ls查看当前home下是否存在这三个文件夹,发现存在,表示创建成功.

6. 路径

绝对路径 比如/xxx/xxx/
相对路径 参加pwd当前路径

7. 文件

vi louie.logtouch louie11.log 都表示创建名为louie.log的文件
#####说明:
vi编辑文件时, 按i进入编辑模式,输入完内容后esc退出编辑模式,ctrl+:回到尾行输入wq保存文件;
touch创建一个空文件,可通过>>>对文件进行添加内容.

8. 移动

mv 1 2 表示将1移到2

9. 复制 多份

cp file number 表示将file复制number 份

10. 查看文件中内容

cat xxx.log 一下子将内容xxx.log刷新下来
more 一页页按 空格键 下翻;字母B 上翻
less 很少使用
说明ctrl+z退出命令模式

11.

> 表示覆盖
>> 表示追加
如:cat 1 > 2表示将2中的内容清空之后放置1的内容; cat 1 >>2表示不改变2的内容,在其基础上加上1的内容

12. 打印

这里写图片描述
好了,今天就到这里,明天继续接着写!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值